OpenPCDet的详细部署与复现

OpenPCDet简介

OpenPCDet是一个用于3D目标检测的开源工具箱，它提供了多种数据集的加载器，支持多种模型，并且易于扩展。

本人使用硬件与环境

Linux操作系统（Ubuntu20.04）
Python环境（Anaconda下独立创建）
CPU: 11th Gen Intel® Core™ i9-11900K @ 3.50GHz × 16
GPU: NVIDIA GeForce RTX 3090
cuda：11.3

配置步骤

创建虚拟环境

1	conda create -n pcdet python=3.8

激活进入虚拟环境

1	conda activate pcdet

安装pytorch

查看cuda版本

nvcc -V

查看运行结果
在这里插入图片描述

查看对应版本下载命令行
https://pytorch.org/get-started/previous-versions/
可以使用pip或conda 下载安装，本人选择conda

1	conda install pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1 cudatoolkit=11.3 -c pytorch

安装完成后验证

1
2
3

python
import torch
torch.cuda.is_available()

若返回True，则证明安装成功
退出python

quit()

安装对应的spconv

根据自己服务器的cuda版本查找对应的spconv版本
https://gitcode.com/gh_mirrors/sp/spconv?utm_source=csdn_github_accelerator&isLogin=1

1	pip install spconv-cu113

验证spconv是否安装成功

1 2	python import spconv

没有报错则安装成功

下载安装OpenPCDet

下载后进入OpenPCDet文件夹中

1	cd OpenPCDet

注意此时要在自己创造的环境中打开该文件夹

安装OpenPCDet所需环境

1	pip install -r requirements.txt

运行以上命令行可以一键安装，需要注意的是由于之前已经安装过pytorch，将该文件中pytorch相关的注释掉

由于pip安装速度太慢，我选择了conda安装
打开该txt文件，对应相关的包conda安装。
安装需要的包后就可以安装OpenPCDet库了

1	python setup.py develop

安装中报错基本是缺少相应的包或者包的版本过新了，把该包remove,选择一个更低版本的包安装基本就可以解决问题。
运行setup文件无报错后就可以导入数据复现结果了！

导入数据集

这里我使用的是Kitti公开数据集，可以从官网下载The KITTI Vision Benchmark Suite
附一个网盘链接：KITTI链接: https://pan.baidu.com/s/1EaWsLH_ZcGGUDoDfZNEGAA?pwd=3acs 提取码: 3acs

下载完成后将数据导入OpenPCDet中

将数据导入为以下格式

之后运行以下代码生成相应的数据集配置文件

1	python -m pcdet.datasets.kitti.kitti_dataset create_kitti_infos tools/cfgs/dataset_configs/kitti_dataset.yaml

生成了以下配置文件

模型训练

进入配置文件夹

cd tools

model zoo 几个模型的训练示例

如果运行pointpillars，则输入以下命令
python train.py --cfg_file cfgs/kitti_models/pointpillar.yaml
如果运行pointrcnn，则输入以下命令
python train.py --cfg_file cfgs/kitti_models/pointrcnn.yaml
如果运行second，则输入以下命令
python train.py --cfg_file cfgs/kitti_models/second.yaml

训练报错解决

训练过程中如果报以下相关错误：KeyError: ‘road_plane‘

/home/pc/OpenPCDet/tools/cfgs/kitti_models/pointpillar.yaml
/home/pc/OpenPCDet/tools/cfgs/dataset_configs/kitti_dataset.yaml

则在以上两个文件中修改内容

将此处的True修改为False

训练中可以使用以下命令监测GPU的使用情况

1	watch -n 0.5 nvidia-smi

训练结果

训练完成后，会生成相应的训练文件，位于文件

/home/OpenPCDet/output/kitti_models/pointrcnn/default

可以在训练日志train 2024xxxxxxxx.log中查看本次模型的训练精度

结果可视化

训练成功后可运行以下命令进行结果可视化

1	python demo.py --cfg_file cfgs/kitti_models/pointrcnn.yaml --data_path ../data/kitti/testing/velodyne/000005.bin --ckpt ../output/kitti_models/pointrcnn/default/ckpt/checkpoint_epoch_80.pth

如果报错提示缺少包open3d 和mayavi，则选择其中一个下载导入就行，实测open3d比mayavi好用，运行下面命令下载open3d(清华源)

1	pip install open3d -i https://pypi.tuna.tsinghua.edu.cn/simple

对训练过程中的损失函数等可视化可以运行下面命令

1	tensorboard --logdir="/home/OpenPCDet/output/kitti_models/pointrcnn/default/tensorboard"

会输出以下结果

TensorFlow installation not found - running with reduced feature set.
Serving TensorBoard on localhost; to expose to the network, use a proxy or pass --bind_all
TensorBoard 2.12.0 at http://localhost:6006/ (Press CTRL+C to quit)

之后在网页上打开该网址即可查看可视化结果